第22期组队学习安排

Datawhale 组队学习

2021年02月16日,第22期 Datawhale 组队学习活动马上就要开始啦!

本次组队学习的内容为:

  • a. 天池赛事 - 布匹疵点智能识别(CV)
  • b. 天池赛事 - 中文预训练模型泛化能力挑战赛(NLP)
  • c. 天池赛事 - AI助力精准气象和海洋预测赛(时间序列)
  • d. DCIC赛事 - 城市管理大数据算法模型
  • e. 零基础语义分割 - 城市建筑识别

大家可以根据我们的开源内容进行自学,也可以加入我们的组队学习一起来学。

1. 天池赛事

任务安排

开营时间:02月16日21:00

Task00:熟悉规则(1天)

  • 组队、修改群昵称。
  • 熟悉打卡规则。
  • 打卡截止时间:02月18日03:00

Task01:比赛全流程体验(3天)

  • 学习如何使用Docker提交代码及比赛上分。
  • 记录比赛中遇到的问题,并在学习笔记中插入初始分数截图。
  • 打卡截止时间:02月21日03:00

Task02:Baseline学习及改进(5天)

  • 学习baseline,并提出自己的改进策略,提交代码并更新自己的分数排名。
  • 在学习笔记中插入改进baseline之后分数排名截图。
  • 打卡截止时间:02月26日03:00

Task03:学习者分享(2天)

  • 我们根据截图,邀请提分比较多的学习者进行分享。

2. DCIC赛事

任务安排

开营时间:02月16日21:00

Task00:熟悉规则(1天)

  • 组队、修改群昵称。
  • 熟悉打卡规则。
  • 打卡截止时间:02月18日03:00

Task01:比赛全流程体验(2天)

  • 熟悉比赛流程:学习将一份现成的赛事结果文件在平台上提交。
  • 记录比赛中遇到的问题,并在学习笔记中插入初始分数截图。
  • 打卡截止时间:02月20日03:00

Task02:Baseline学习及改进(5天)

  • 学习baseline,并提出自己的改进策略,提交代码并更新自己的分数排名。
  • 在学习笔记中插入改进baseline之后分数排名截图。
  • 打卡截止时间:02月25日03:00

Task03:学习者分享(2天)

  • 我们根据截图,邀请提分比较多的学习者进行分享。

3. 天池学习赛

任务安排

开营时间:02月16日21:00

Task00:熟悉规则(1天)

  • 组队、修改群昵称。
  • 熟悉打卡规则。
  • 打卡截止时间:02月18日03:00

Task01:赛题理解与baseline(3天)

  • 学习主题:理解赛题内容解题流程
  • 学习内容:赛题理解、数据读取、比赛baseline构建
  • 学习成果:比赛baseline提交
  • 打卡截止时间:02月21日03:00

Task02:数据扩增方法(3天)

  • 学习主题:语义分割任务中数据扩增方法
  • 学习内容:掌握语义分割任务中数据扩增方法的细节和使用
  • 学习成果:数据扩增方法的实践
  • 打卡截止时间:02月24日03:00

Task03:网络模型结构发展(3天)

  • 学习主题:掌握语义分割模型的发展脉络
  • 学习内容:FCN、Unet、DeepLab、SegNet、PSPNet
  • 学习成果:多种网络模型的搭建
  • 打卡截止时间:02月27日03:00

Task04:评价函数与损失函数(3天)

  • 学习主题:语义分割模型各种评价函数与损失函数
  • 学习内容:Dice、IoU、BCE、Focal Loss、Lovász-Softmax
  • 学习成果:评价/损失函数的实践
  • 打卡截止时间:03月02日03:00

Task05:模型训练与验证(3天)

  • 学习主题:数据划分方法
  • 学习内容:三种数据划分方法、模型调参过程
  • 学习成果:数据划分具体操作
  • 打卡截止时间:03月05日03:00

Task06:分割模型模型集成(3天)

  • 学习主题:语义分割模型集成方法
  • 学习内容:LookaHead、SnapShot、SWA、TTA
  • 学习成果:模型集成思路
  • 打卡截止时间:03月08日03:00

具体规则

  • 注册 CSDN、Github 或 B站等账户。
  • 按照任务安排进行学习,完成后写学习笔记Blog 或 进行视频直播。
  • 在每次任务截止之前在群内填写问卷打卡,遇到问题在群内讨论。
  • 未按时打卡的同学视为自动放弃,被抱出学习群。

备注

有关Datawhale组队学习的开源内容如下:


本次组队学习的 PDF 文档可到Datawhale的知识星球下载:

Datawhale


组队学习在哪里加入